AdaBoost का भरपूर उपयोग
जैसा कि आपने देखा, मूवी रेवेन्यू की भविष्यवाणी के लिए AdaBoost को बेस एस्टीमेटर के रूप में डिसीजन ट्रीज़ के साथ सबसे अच्छे नतीजे मिलते हैं.
इस अभ्यास में, आप कुछ पैरामीटर सेट करेंगे ताकि परफॉर्मेंस और बेहतर निकले. खास तौर पर, आप लोअर लर्निंग रेट इस्तेमाल करेंगे ताकि हाइपरपैरामीटर्स का अपडेट स्मूद रहे. इसलिए, एस्टीमेटर्स की संख्या को बढ़ाना चाहिए. इसके अलावा, डेटा में ये फीचर्स जोड़े गए हैं: 'runtime', 'vote_average', और 'vote_count'.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
अभ्यास निर्देश
100एस्टीमेटर्स और0.01की लर्निंग रेट के साथ एकAdaBoostRegressorबनाएँ.reg_adaको ट्रेनिंग सेट पर फिट करें और टेस्ट सेट पर प्रेडिक्शंस निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build and fit an AdaBoost regressor
reg_ada = ____(____, ____, random_state=500)
reg_ada.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the RMSE
rmse = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE: {:.3f}'.format(rmse))